Cum folosește un cercetător Codex și ChatGPT pentru a găsi noi molecule antimicrobiene

Microbii rezistenți la medicamente, inclusiv bacteriile, ciupercile, paraziții și virusurile, reprezintă o amenințare globală tot mai mare. Aproximativ cinci milioane de decese din 2021 au fost asociate⁠(se deschide într-o fereastră nouă) rezistenței bacteriene la antimicrobiene, iar numărul anual al victimelor ar urma să se dubleze până în 2050. Găsirea unor molecule cu potențialul de a deveni antimicrobiene poate dura ani întregi. Cercetătorii folosesc AI pentru a accelera această etapă inițială a descoperirii.

„În opinia mea, rezistența la antimicrobiene este una dintre cele mai mari amenințări existențiale la adresa umanității”, a spus César de la Fuente⁠(se deschide într-o fereastră nouă), un bioinginer al cărui laborator interdisciplinar caută substanțe antimicrobiene promițătoare. „Și totuși, de 50 de ani nu am mai avut o clasă nouă de antibiotice.”

O mare parte a dezvoltării moderne de antimicrobiene se concentrează pe modificarea medicamentelor existente sau pe cercetarea unor clase cunoscute de substanțe chimice. Dar această abordare produce rezultate din ce în ce mai modeste.

Laboratorul lui de la Fuente pornește dintr-un loc mult mai puțin explorat: codul vieții. Ideea centrală a acestei activități este că biologia reprezintă un sistem informațional. „Nucleotidele care alcătuiesc ADN-ul și aminoacizii care formează proteinele și peptidele sunt asemănătoare unui alfabet”, a spus de la Fuente. „Perspectiva asupra biologiei ca informație ne-a permis să dezvoltăm metode care pot începe să descifreze principiile de organizare ale vieții ce au dat naștere unei molecule funcționale.”

Modelele de învățare aprofundată ale laboratorului sunt antrenate să recunoască tipare în secvențele biologice, ceea ce le permite să caute potențiale antimicrobiene în seturi vaste de date genomice și proteice. Abordarea poate reduce de la ani la ore timpul necesar căutării inițiale a moleculelor promițătoare.

Pe lângă propriile modele de AI, laboratorul folosește ChatGPT și Codex pentru a formula ipoteze, a scrie și perfecționa cod, a procesa seturi de date, a analiza rezultate și a face conexiuni între disciplinele științifice.

Doar funcția unei mici părți dintr-un genom este înțeleasă clar și încă și mai puține regiuni codifică molecule capabile să combată microbii infecțioși. Provocarea constă în identificarea tiparelor care fac o moleculă funcțională sau biologic activă, apoi în stabilirea celor care au potențialul de a combate microbii infecțioși.

Oamenii de știință caută de multă vreme antimicrobiene în plante, animale, microbi, insecte, apă și sol. Ei colectează probe, izolează sau anticipează molecule promițătoare și le testează printr-un proces iterativ care poate dura ani întregi.

Bazele de date digitale cu genomuri și proteine le permit acum cercetătorilor să caute compuși noi în întregul arbore al vieții, extinzând spectaculos volumul de date care poate fi explorat. Dar această abundență de informații vine cu propriile dificultăți: găsirea semnalelor promițătoare într-un număr enorm de posibilități.

AI este deosebit de potrivită pentru această căutare a acului în carul cu fân. Poate analiza seturi uriașe de date, identifica tipare pe care cercetătorii le-ar putea observa cu dificultate și selecta un număr rezonabil de candidați pentru testare experimentală.

Însă identificarea unui candidat promițător nu înseamnă neapărat că acesta va deveni un medicament eficient.

Oamenii de știință trebuie mai întâi să confirme că molecula candidată distruge microbul vizat, să stabilească doza necesară pentru a fi eficientă și să testeze modul în care afectează celulele umane. Apoi, chimiștii o pot optimiza pentru a-i îmbunătăți eficacitatea, siguranța sau stabilitatea.

Alte teste evaluează doza la care substanța candidată devine toxică, ușurința cu care microbii dezvoltă rezistență la moleculă și modul în care aceasta circulă prin organism. Echipele stabilesc și o metodă fiabilă de fabricare a moleculei. Candidații care depășesc aceste obstacole trebuie să treacă apoi prin evaluări de reglementare și studii clinice înainte de a ajunge la pacienți ca medicamente antimicrobiene aprobate.

Pentru de la Fuente, acesta este motivul pentru care AI și biologia de laborator trebuie să avanseze împreună. „Experimentele care oferă date reale de referință sunt esențiale pentru validarea predicțiilor AI”, a spus el. „Acest lucru va fi esențial în științele vieții în anii următori, dacă vrem să continuăm să descoperim măcar o mică parte din ceea ce mai avem de înțeles despre biologie, care este cel mai complex domeniu dintre toate.”

Laboratorul său explorează genomurile organismelor vii și dispărute în căutarea unor molecule promițătoare. Cercetarea acestor genomuri, înțelegerea modului în care se formează și funcționează proteinele codificate de ele și stabilirea rolului acestor molecule necesită competențe din mai multe domenii.

„Suntem un grup cu un pronunțat caracter transdisciplinar, așa că avem oameni din biologie, chimie, informatică și inginerie”, a spus de la Fuente. Unii membri ai laboratorului sunt programatori foarte buni, dar cunosc mai puțin biologia sau chimia, iar în cazul altora situația este inversă. Codex și ChatGPT contribuie la reducerea acestor diferențe, permițându-le biologilor să creeze programe, iar programatorilor să abordeze probleme de biologie. În acest sens, AI reduce barierele dintre disciplinele științifice.

Îi ajută pe membrii laboratorului să aprofundeze subiecte nefamiliare necesare activității lor interdisciplinare, să clarifice terminologia, să compare metode din domenii diferite și să organizeze idei pentru descoperirea de medicamente. Alții folosesc AI pentru a descărca, organiza și preprocesa seturi mari de date genomice. ChatGPT le permite, de asemenea, membrilor laboratorului să lucreze în limbile lor materne, reducând barierele și accelerându-le fluxurile de lucru.

De la Fuente folosește ChatGPT ca partener pentru schimburi de idei. El continuă să dezvolte idei împreună cu colegii, dar apreciază capacitatea AI de a-l ajuta să formuleze o ipoteză. Îi place și faptul că poate accesa informațiile lumii printr-un simplu clic.

„Spațiul nostru de lucru ChatGPT primește contribuții de la toți acești oameni, care abordează diferit problemele pe care încercăm să le rezolvăm”, a spus de la Fuente. Membrii laboratorului îi prezintă atât ideile bune, cât și pe cele mai puțin bune, transformându-l într-un fel de partener colectiv de reflecție.

El avertizează însă că nu trebuie să ne bazăm exclusiv pe AI. „Evident, trebuie să verifici întotdeauna acuratețea”, a spus de la Fuente.

Cu toate acestea, apreciază capacitatea AI de a-i ajuta pe cercetători să exploreze granițele dintre disciplinele științifice. „Acolo așteaptă să fie descoperite marile progrese. Ele se află, în esență, la granițele dintre domenii, acolo unde ajung foarte puțini oameni.”

El consideră că această activitate face parte dintr-o tradiție științifică mult mai îndelungată. „Ne-am bazat întotdeauna pe unelte și mașini pentru a înțelege lumea din jurul nostru”, a spus de la Fuente. „Telescopul a luminat cosmosul, iar microscopul a dezvăluit lumea invizibilului.” Acum, mașinile îi ajută pe cercetători să înțeleagă, să anticipeze și să proiecteze biologia. „Aceasta este esența activității noastre”, a spus el.